机器学习使用初始类固醇治疗期间蛋白尿的连续变化来预测治疗反应和免疫抑制剂在儿科异形性性综合征中的使用
Takaya Iida1,2, Kenichiro Miura1, Takayuki Okamoto3
1Department of Pediatric Nephrology, Tokyo Women's Medical University, 8-1 Kawada-cho, Shinjuku-ku, Tokyo, 162-8666, Japan.
机器学习模型预测使用尿蛋白与肌素比率 (UPCR) 变化的儿童的类固醇耐药性性综合征 (SRNS). 序列UPCR和临床因素也预测了儿童异常性性综合征 (INS) 免疫抑制剂的使用.
科学领域:
- 儿科脏病学 儿科脏病学
- 机器学习在医学中的应用
- 生物标志物发现发现
背景情况:
- 儿童的异常性性综合征 (INS) 缺乏对抗类固醇 (SRNS) 或频繁复发的形式的明确预测因素.
- 之前关于INS预后的机器学习 (ML) 研究没有评估在初始类固醇治疗期间的连续蛋白尿变化.
研究的目的:
- 开发预测SRNS和免疫抑制剂在儿科INS中的使用的ML模型.
- 为了评估序列尿蛋白与肌素比率 (UPCR) 在初始类固醇治疗期间变化的效用,作为预测特征.
主要方法:
- 收集了来自329名和190名儿科INS患者的SRNS和免疫抑制剂使用预测的数据.
- 采用了ML模型,包括从串行UPCR测量中获得的临床/实验室数据和时间序列特征.
- 采用倒向阶段方法来识别显著的预测变量,并计算模型性能曲线下的面积 (AUC).
主要成果:
- 在最终分析时,尿蛋白与肌素比率 (UPCR) 是SRNS最重要的预测因子.
- 免疫抑制剂使用的ML模型实现了0.715-0.759的AUC,确定年龄,血清白蛋白,血清总胆固醇和UPCR时间序列特征为显著贡献者.
结论:
- 序列UPCR测量,特别是在最终分析点,对于预测儿科INS中的SRNS至关重要.
- 临床因素 (年龄,白蛋白,胆固醇) 和治疗期间的动态UPCR变化为免疫抑制剂使用的决定提供了信息.
更多相关视频
09:43Analyses of Proteinuria, Renal Infiltration of Leukocytes, and Renal Deposition of Proteins in Lupus-prone MRL/lpr Mice
Published on: June 8, 2022
10:37Comparative Proteomic Analysis of Whole Kidney, Medulla, and Cortical Tubules in Diabetic Pathogenesis of Kidney Injury in Mice
Published on: May 2, 2025
相关概念视频
Pharmacokinetics in Pediatric Patients: Drug Excretion
Nephrotic Syndrome I : Introduction
Nephrotic Syndrome II : Assessment and Medical Management
Nephrotic Syndrome III : Nursing Management
Acute Kidney Injury IV: Diagnostic Studies and Prevention
Chronic Kidney Disease III: Interprofessional Care
